Geri Dön

Mandibular üçüncü molarların çekim zorluğunun açıklanabilir derin öğrenme teknikleri ile tahmini

Prediction of the extraction difficulty of mandibular third molars using explainable deep learning techniques

PDF İndir

  1. Tez No: 988865
  2. Yazar: İSMAİL KAYADİBİ
  3. Danışmanlar: PROF. DR. UTKU KÖSE, DOÇ. DR. GÜR EMRE GÜRAKSIN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Mandibular üçüncü molarların (MTM) gömülü kalması, çoğunlukla çene kemiğindeki anatomik sınırlılıklara bağlı olarak ortaya çıkan yaygın bir durumdur ve enfeksiyon, çürük gelişimi ile periodontal hastalıklar gibi çeşitli dental komplikasyonlara yol açabilmektedir. Bu nedenle, gömülü MTM'lerin cerrahi olarak çekimi dünya genelinde en sık uygulanan cerrahi prosedürlerden biri hâline gelmiş; cerrahi öncesi doğru radyolojik değerlendirme ise sinir hasarı gibi komplikasyon risklerinin azaltılması açısından kritik önem taşımaktadır. Klinik pratikte MTM'nin konumu, derinliği, açısal yönelimi ve kök oluşum durumunun objektif olarak belirlenmesinde panoramik radyografiler (PR) en yaygın kullanılan yöntemdir. Bu değerlendirmede, Pell–Gregory ve Winter sınıflandırmaları ile sınıf, seviye ve açı gibi elde edilen kriterler üzerinden çekime yönelik Pederson Zorluk İndeksi (PDI) hesaplanarak cerrahi yöntem planlanmaktadır. Bu bağlamda, bu çalışmada PR görüntüleri üzerinden MTM'nin çekim zorluğunun tahmin edilmesi amacıyla MTM tespiti, kök oluşumu değerlendirmesi ve PDI kriterlerinin (sınıf–seviye–açı) tespiti olmak üzere beş temel problemi bütünleşik bir yaklaşımla ele alan XMTM-Multi-AI (eXplainable MTM Multi-Task Artificial Intelligence) çerçevesi (framework) önerilmiştir. Önerilen çerçeve, literatürdeki mevcut çalışmalardan farklı olarak MTM'nin sürmüş veya gömülü olarak tespiti, kök oluşumunun değerlendirilmesi ve PDI kriterlerinin belirlenmesi gibi birbiriyle bağlantılı görevleri tekli (STL) ve çoklu görev öğrenimi (MTL) tekniklerini kullanarak bütünleşik bir yapıda çözmektedir. Bu amaçla, literatürde etiketsiz biçimde bulunan altı ham PR veri seti deneyimli bir ağız ve çene radyoloğu tarafından incelenmiş ve çalışmanın beş temel problemine uygun olan PR görüntüleri seçilerek özgün şekilde etiketlenmiştir. Bu süreç sonucunda MTM tespiti için L-MTM, kök oluşumu değerlendirmesi için RF-MTM ve PDI kriterlerinin tespiti için MT-MTM olmak üzere üç çok merkezli yeni veri seti elde edilmiştir. Ayrıca, bu veri setlerine MTM bölgesinin doğru tespiti için medyan filtre, gama düzeltme ve yatay çevirme gibi ön işleme ve veri artırma teknikleri uygulanmış ve DL mimarileri üzerinde performansları değerlendirilmiştir. Önerilen çerçevede, L-MTM ve RF-MTM veri setleri üzerinde MTM tespiti ve kök oluşumu değerlendirmesi için YOLOv11 mimarisinin farklı varyantları; MT-MTM veri setinde ise sınıf, seviye ve açı gibi PDI kriterlerinin tespiti için STL ve MTL teknikleri ile çeşitli saf ve hibrit ViT tabanlı mimariler eğitilmiştir. Eğitim süreci tamamlandıktan sonra, elde edilen tüm YOLOv11 ve ViT mimarileri test veri setleri üzerinde değerlendirilmiştir. Elde edilen sonuçlara göre, YOLOv11m mimarisi MTM tespitinde %99.3 mAP50, YOLOv11s mimarisi ise kök oluşumu değerlendirmesinde %100 doğruluk ile en yüksek performansı göstermiştir. PDI kriterlerinin tahmininde ise Swin Large-P4-W12 mimarisi, STL kullanılarak %99.08 ve MTL kullanılarak %98.98 doğruluğa ulaşarak kullanılan ViT mimarilerine kıyasla en yüksek performansı elde etmiştir. MTM'nin çekimine yönelik olarak, MT-MTM test veri seti üzerinde en yüksek performansı sergileyen Swin Large-P4-W12 mimarisi ile PDI tahmininde %99.17, cerrahi yöntem tahmininde ise %100 doğruluk oranına ulaşılmıştır. Sonuç olarak, en yüksek performansı elde eden YOLOv11m, YOLOv11s ve Swin Large-P4-W12 mimarileri önerilen çerçeveye entegre edilmiştir. Performans değerlendirmelerine ek olarak, bu çalışmada geliştirilen YOLOv11 ve ViT tabanlı mimarilerin çevresel etkileri, sürdürülebilirlik performansını temsil eden GAEI (Green AI Efficiency Index) metriği ile analiz edilmiştir. Yapılan değerlendirmeler sonucunda, MTM tespiti ve kök oluşumu değerlendirmesi görevlerinde YOLOv11n mimarisinin; PDI kriterlerinin tespitinde ise MaxViT-Tiny mimarisinin sürdürülebilirlik açısından en verimli DL mimarileri olduğu görülmüştür. Önerilen çerçevenin klinik uygulanabilirliğini değerlendirmek amacıyla, model tahminlerinin açıklanabilirliği ve yorumlanabilirliği Grad-CAM, Grad-CAM++, Score-CAM, Eigen-CAM ve Guided Grad-CAM gibi çeşitli XAI teknikleri kullanılarak analiz edilmiştir. Bu tekniklerle elde edilen açıklanabilirlik haritaları Ensemble XAI stratejisi ile birleştirilmiş ve böylece daha kararlı, tutarlı ve gürültüden arındırılmış görselleştirmeler elde edilmiştir. Ardından, önerilen çerçeve temel alınarak PEDMTM-XCDSS adı verilen örnek bir klinik karar destek sistemi geliştirilmiş; sistemden elde edilen tahmin çıktıları ve açıklanabilirlik haritaları, 20 uzman diş hekiminin katılımıyla uygulanan bir uzman anketi aracılığıyla değerlendirilmiştir. Elde edilen bulgular, önerilen yaklaşımın kayda değer performansının yanı sıra klinik açıdan uygulanabilir, güvenilir ve açıklanabilir olduğunu istatistiksel olarak da doğrulamıştır. Elde edilen sonuçlar, literatürdeki son teknoloji yaklaşımlarla karşılaştırıldığında, önerilen yaklaşımın MTM tespiti, kök oluşumu değerlendirmesi ve PDI kriterlerinin tahmini gibi tüm görevlerde mevcut çalışmaları geride bırakarak son teknoloji (state-of-the-art) performans ortaya koyduğunu göstermektedir. Elde edilen L-MTM, RF-MTM ve MT-MTM veri setleri, bu çalışma sonucunda araştırmacılara sunulmuştur. Bu veri setleri, alanda eksikliği belirgin olan standartlaştırılmış bir karşılaştırma ortamı sağlayarak, diş hekimliğinde DL tabanlı araştırmalara önemli katkılar sunmuş ve yeni araştırma perspektiflerinin gelişmesine olanak tanımıştır. Ayrıca, DL ile birlikte kullanılan MTL yaklaşımının, büyük ölçekli ve çoklu görev odaklı klinik problemlerde kayda değer performanslar sunarak sürdürülebilir çözümler üretebildiği gösterilmiştir. Özetle; önerilen yaklaşım, MTM'nin çekim zorluğunun tahminine yönelik yüksek doğrulukta, açıklanabilir, sürdürülebilir ve klinik açıdan uygulanabilir bir çözüm sunarak diş hekimliğinde kullanılabilecek etkili bir araç olduğunu ortaya koymuştur.

Özet (Çeviri)

Impaction of mandibular third molars (MTMs) is a common condition that primarily arises due to anatomical limitations within the mandibular bone and may lead to various dental complications, including infection, caries formation, and periodontal diseases. Consequently, the surgical removal of impacted MTMs has become one of the most frequently performed surgical procedures worldwide, and accurate preoperative radiological evaluation is critically important for reducing the risk of complications such as nerve injury. In clinical practice, panoramic radiographs (PRs) are the most commonly used imaging method for objectively determining the position, depth, angulation, and root formation status of MTMs. In this evaluation, the criteria obtained from the Pell–Gregory and Winter classifications—such as class, level, and angulation—are used to calculate the Pederson Difficulty Index (PDI), which guides surgical planning. In this context, this study proposes the XMTM-Multi-AI (eXplainable MTM Multi-Task Artificial Intelligence) framework, which integratively addresses five fundamental problems—MTM detection, root formation assessment, and the identification of PDI criteria (class–level–angle)—with the aim of predicting the difficulty of MTM extraction from PR images. Unlike existing studies in the literature, the proposed framework simultaneously handles several interconnected tasks, including detecting MTM as erupted or impacted, evaluating root formation, and determining PDI criteria, by using both single-task learning (STL) and multi-task learning (MTL) strategies within an integrated structure. For this purpose, six raw and unlabelled PR datasets found in the literature were examined by an experienced oral and maxillofacial radiologist, and the PR images relevant to the five main problems of the study were selected and newly annotated. As a result of this process, three new multi-centre datasets were created: L-MTM for MTM detection, RF-MTM for root formation assessment, and MT-MTM for determining PDI criteria. In addition, preprocessing and data augmentation techniques such as median filtering, gamma correction, and horizontal flipping were applied to these datasets to ensure accurate localisation of the MTM region, and the performance of DL architectures was evaluated. Within the proposed framework, different variants of the YOLOv11 architecture were trained on the L-MTM and RF-MTM datasets for MTM detection and root formation assessment, while various pure and hybrid ViT-based architectures were trained on the MT-MTM dataset using STL and MTL techniques for the identification of PDI criteria such as class, level, and angle. After the training process was completed, all trained YOLOv11 and ViT architectures were evaluated on the test datasets. According to the results obtained, the YOLOv11m architecture achieved the highest performance in MTM detection with 99.3% mAP50, whereas the YOLOv11s architecture achieved 100% accuracy in root formation assessment. In the prediction of PDI criteria, the Swin Large-P4-W12 architecture yielded the highest performance among the ViT models used, achieving 99.08% accuracy with STL and 98.98% accuracy with MTL. Regarding MTM extraction, the highest-performing Swin Large-P4-W12 architecture achieved 99.17% accuracy in PDI prediction and 100% accuracy in surgical method prediction on the MT-MTM test dataset. Consequently, the YOLOv11m, YOLOv11s, and Swin Large-P4-W12 architectures, which achieved the best performance, were integrated into the proposed framework. In addition to performance evaluations, the environmental impacts of the YOLOv11- and ViT-based architectures developed in this study were analyzed using the Green AI Efficiency Index (GAEI) as an indicator of sustainability performance. The evaluations showed that the YOLOv11n architecture was the most efficient DL model in terms of sustainability for MTM detection and root formation assessment, while the MaxViT-Tiny architecture was the most efficient for PDI prediction. To evaluate the clinical applicability of the proposed framework, the explainability and interpretability of the model predictions were analysed using various XAI techniques, including Grad-CAM, Grad-CAM++, Score-CAM, Eigen-CAM, and Guided Grad-CAM. The explainability maps obtained from these techniques were combined through an Ensemble XAI strategy, resulting in more stable, consistent, and noise-reduced visualisations. Subsequently, a prototype clinical decision support system, named PEDMTM-XCDSS, was developed based on the proposed framework. The prediction outputs and explainability maps produced by the system were evaluated through an expert survey conducted with 20 specialist dentists. The findings statistically confirmed that the proposed approach is not only highly performant but also clinically applicable, reliable, and interpretable. When compared with state-of-the-art (SOTA) approaches reported in the literature, the proposed method outperformed existing studies across all evaluated tasks, including MTM detection, root formation assessment, and PDI criterion estimation. The L-MTM, RF-MTM, and MT-MTM datasets generated in this study were made available to researchers. These datasets provide a standardised comparative environment that has been lacking in the field, offering significant contributions to DL-based research in dentistry and enabling the development of new research perspectives. In addition, it has been demonstrated that combining the MTL approach with DL can produce sustainable solutions with notable performance for large-scale, multi-task clinical problems. In summary, the proposed approach provides a highly accurate, explainable, sustainable, and clinically applicable solution for predicting MTM extraction difficulty, demonstrating its strong potential as an effective tool in dental practice.

Benzer Tezler

  1. Tez No

    734588

    Gonial açının mandibular üçüncü molar dişlerin gömülülük paterni ile ilişkisinin konik ışınlı bilgisayarlı tomografi ile değerlendirilmesi

    Evaluation of the relationship of the gonial angle with the impacted pattern of the mandibular third molar by cone-beam computed tomography

    RIDVAN AKYOL

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2022

    Diş HekimliğiErciyes Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. MERYEM ETÖZ

  2. Tez No

    962534

    Gömülü mandibular üçüncü molar cerrahi çekim insizyonlarında radyofrekans ve bistüri kullanımının operasyon sonrası etkilerinin retrospektif olarak karşılaştırılması

    A retrospective comparison of the postoperative effects of using radiofrequency and scalpel in incisions for impacted mandibular third molar surgery

    SEMA ÇELİK ÜLGER

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2025

    Diş HekimliğiKocaeli Üniversitesi

    Ağız, Diş ve Çene Cerrahisi Ana Bilim Dalı

    DOÇ. DR. SADİ MEMİŞ

  3. Tez No

    852738

    Gömülü mandibular üçüncü molar diş cerrahisinde kullanılan deksketoprofen trometamol ve ketoprofenin postoperatif etkilerinin retrospektif değerlendirilmesi

    Retrospective evaluation of the postoperative effects of deksketoprofen trometamol and ketoprofen used in mandibular impacted third molar dental surgery

    İBRAHİM DÖNMEZ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiSüleyman Demirel Üniversitesi

    Ağız, Diş ve Çene Cerrahisi Ana Bilim Dalı

    PROF. DR. YAVUZ FINDIK

  4. Tez No

    980490

    Çekimli ve çekimsiz yapılan ortodontik tedavilerde mandibular üçüncü molar dişlerin sürme pozisyonlarının değerlendirilmesi

    Evaluation of eruption positions of mandibular third molars inorthodontic treatments with and without extractions

    YUSUF KESKİNSOY

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2025

    Diş HekimliğiEge Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. ASLIHAN MEDİHA ERDİNÇ

  5. Tez No

    1013206

    Mandibular gömülü yirmi yaş diş çekiminde klorheksidin glukonat ile benzidamin hidroklorür ve klorheksidin glukonat ile flurbiprofen uygulamasının ağrı, ödem, trismus üzerinde etkilerinin araştırılması

    Effects of chlorhexidine gluconate combined with benzydamine hydrochloride or flurbiprofen on pain, edema, and trismus following surgical extraction of impacted mandibular third molars

    EDİP EREN KADIKIRAN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2026

    Diş HekimliğiMarmara Üniversitesi

    Ağız, Diş ve Çene Cerrahisi Ana Bilim Dalı

    PROF. DR. ONUR GÖNÜL

Geri Dön